视觉信息编码

视觉信息编码的核心目标是高效且有意义地表示视觉世界。它并非对原始图像的像素级复制，而是从复杂的光输入中提取对生物体生存和行为至关重要的特征（如边缘、运动、颜色、深度等），并进行高效率的神经表征，以适应大脑有限的带宽和计算资源。 ADFASDFAF23RQ23R

1. 视网膜编码

视网膜是视觉信息处理的第一站，完成从光信号到神经信号的初级转换和压缩。 ADSFAEQWER353423413434

• 光感受器：视杆细胞（暗视觉）和视锥细胞（明视觉与色觉）将光子捕获，通过光化学反应产生模拟电信号（分级电位）。
• 中心-外周拮抗感受野：在视网膜神经节细胞（RGC）水平，信息被大幅整合和抽象。
  • 同心圆拮抗式感受野：这是视网膜编码的核心原则。一个神经节细胞的感受野由一个圆形的“中心”区域和一个环形的“外周”区域组成，两者在光反应上相互拮抗（ON-中心/OFF-外周，或相反）。
  • 功能：这种结构能高效地检测亮度对比和空间变化（如明暗边缘），而非绝对亮度，极大地提高了编码效率，并实现了初步的空间滤波。
• 并行处理通路：视网膜通过不同类型的神经节细胞，将信息分流到不同的大脑通路：
  • M细胞（大细胞）：对运动、低空间频率和低对比度敏感。
  • P细胞（小细胞）：对颜色、高空间频率和精细形状敏感。
  • 其他细胞（如对光敏感的固有光敏视网膜神经节细胞）：参与昼夜节律调节。

2. 外侧膝状体编码

外侧膝状体是丘脑的中继站，主要功能是信息中转和调节（如来自皮层的反馈调制），其感受野特性与视网膜神经节细胞相似，但对比度和颜色拮抗可能被进一步强化。

3. 初级视皮层编码

在初级视皮层，信息编码发生了质的飞跃，从“点状光斑”检测升级为特征检测。 ADFASDFAF23RQ23R

• 简单细胞：具有朝向选择性的条形感受野。它们对特定朝向的明暗边缘或光带反应最强，是边缘检测的基本单元。
• 复杂细胞：同样具有朝向选择性，但对刺激在感受野内的精确位置不敏感，对运动方向也敏感，具有位置不变性的初级表现。
• 超复杂细胞：对刺激的长度、端点或角点有选择性。
• 功能柱结构：V1皮层以功能柱的形式组织。朝向柱内的细胞共享相同的最优朝向；眼优势柱分别偏好来自左眼或右眼的输入；斑点区域富集颜色选择性细胞。

4. 高级视皮层编码

信息从V1经由两条主要通路向更高级的视皮层区域传递，编码越来越复杂和抽象的属性：

ADFASDFAF23RQ23R

• 腹侧通路（“What”通路，经由V2, V4到颞下皮层）：负责处理物体的形状、颜色、纹理和身份识别。这里的神经元对复杂图形（如手、脸）、特定物体甚至概念类别产生选择性反应，编码具有高度的不变性（对大小、位置、视角变化不敏感）。
• 背侧通路（“Where/How”通路，经由V3, MT到顶叶皮层）：负责处理空间位置、运动、深度和视觉引导的行动。例如，MT区的神经元对特定方向的运动高度敏感。

• 稀疏编码：高级视皮层倾向于使用少量高度活跃的神经元来表征一个特定刺激，从而提高能量效率和表征容量。
• 群体编码：任何视觉特征都不是由单个神经元，而是由一大群神经元的活动模式（神经群体代码）来表征的。
• 预测编码理论：一个重要的现代理论框架。认为大脑皮层是一个层次化的预测机器，高级皮层不断向下级发送对当前感觉输入的预测，下级只将无法被预测的“预测误差”向上传递。这极大地提高了对稳定和可预测世界的信息编码效率。

视觉信息编码的研究是现代神经科学的基石，推动了：

• 计算神经科学的发展，启发了卷积神经网络等人工智能模型。
• 对感知、注意和意识等高级脑功能的理解。
• 脑机接口和视觉假体（如人工视网膜）的研发。

• Hubel, D. H., & Wiesel, T. N. (1962). Receptive fields, binocular interaction and functional architecture in the cat's visual cortex. The Journal of Physiology, 160(1), 106-154.
• Marr, D. (1982). Vision: A Computational Investigation into the Human Representation and Processing of Visual Information. W.H. Freeman.
• Rao, R. P., & Ballard, D. H. (1999). Predictive coding in the visual cortex: a functional interpretation of some extra-classical receptive-field effects. Nature Neuroscience, 2(1), 79-87.
• Felleman, D. J., & Van Essen, D. C. (1991). Distributed hierarchical processing in the primate cerebral cortex. Cerebral Cortex, 1(1), 1-47.
• Olshausen, B. A., & Field, D. J. (1996). Emergence of simple-cell receptive field properties by learning a sparse code for natural images. Nature, 381(6583), 607-609.
• Kandel, E. R., Schwartz, J. H., Jessell, T. M., Siegelbaum, S. A., & Hudspeth, A. J. (2013). Principles of Neural Science (5th ed.). McGraw-Hill.
• Adelson, E. H., & Bergen, J. R. (1985). Spatiotemporal energy models for the perception of motion. Journal of the Optical Society of America A, 2(2), 284-299.
• 李武, 等. (2008). 视觉信息处理的脑机制. 上海科技教育出版社.
• Zhang, K., & Sejnowski, T. J. (1999). A universal scaling law between gray matter and white matter of cerebral cortex. Proceedings of the National Academy of Sciences, 97(10), 5621-5626.
• 方方, 等. (2015). 视觉知觉学习的神经机制. 心理科学进展, 23(4), 567-578.